항공기 궤적 예측을 위한 LSTM-based Multi-head Attention을 활용한 Recurrent 네트워크

초록

최근 많은 연구들에서 딥러닝 기법을 적용하여 항공 교통 흐름을 분석하거나 항공기 궤적을 예측하는 방법들을 제안하고 있다. 본 논문에서는 시간에 따른 위도, 경도, 고도 데이터를 효과적으로 학습하여 항공기 궤적 예측을 수행하기 위하여 LSTM-based Multi-head Attention을 활용한 recurrent 네트워크를 제안한다. 입력 데이터에 대하여 attention을 적용하는 부분에서 LSTM을 사용함으로써 key, query, value를 생성하는 과정에서 과거의 위도, 경도, 고도 값의 중요성을 예측 모델에 강조하도록 하였다. 실세계 데이터를 이용한 광범위한 실험 결과, 본 논문에서 제안하는 모델이 특정 항공편에 대해서 multi-head attention 기반의 Bi-LSTM 모델보다 개선된 결과를 보임을 알 수 있었다. 위도 예측의 경우 제안하는 모델이 KAL1253편에 대해서 MAE 기준 29%의 오차를 줄였고, KAL1209편에 대해서 RMSE 기준 17%의 오차를 감소시킨 결과를 보여주었다. 경도 예측에서는 KAL1253편에 대해서 MAE 기준 83%, KAL1257편에 대해서 RMSE기준 82%의 오차가 감소한 결과를 보여주었다.

키워드